Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika)
Ellysza, Santana
Universitas Bina Darma
Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Sentimen pada Ulasan Aplikasi Social Media menggunakan Metode Svm dan Decision Tree Ellysza, Santana; Sa'uda, Siti
Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Vol 16, No 2 (2025): Desember
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/jsit.v16i2.4455

Abstract

Secara umum social media digunakan untuk berbagi informasi dan pendapat, termasuk mengetahui tren baru, berita, hiburan dan topik lainnya. Tiktok adalah platform media sosial yang fokus pada video pendek. X/Twitter adalah platform mikroblogging yang memungkinkan pengguna mengirim dan membaca pesan singkat, sedangkan Instagram yakni platform berbagi foto dan video yang memungkinkan pengguna mengambil, mengedit, dan membagikan gambar serta video pendek. Namun, kedua sistem ini memiliki berbagai Kelemahan yang dialami oleh penggunanya. Dengan mengevaluasi kelemahan-kelemahan tersebut, perusahaan dapat mengidentifikasi masalah pada aplikasinya dan menemukan cara untuk memperbaikinya. Penelitian berikut bertujuan guna menganalisis data ulasan pada aplikasi media sosial Dengan memanfaatkan dua metode, yaitu Support Vector Machine dan Decision Tree. Penelitian berikut akan menentukan metode mana yang lebih efektif dan akurat mengklasifikasi sentimen positif dan dan negatif dari review komentar. Melalui klasifikasi diperoleh hasil akurasi Support Vector Machine sebesar 84.61% untuk aplikasi Tiktok, 86.82% Untuk aplikasi Twitter dan 85.73% untuk aplikasi Instagram, sedangkan metode Decision Tree sebesar 77.98% untuk aplikasi Tiktok, 80.14% untuk aplikasi Twitter, dan 81.71% untuk aplikasi Instagram. erdasarkan hasil analisis, metode Support Vector Machine menunjukkan akurasi yang lebih tinggi daripada metode Decision Tree
Co-Authors Sa'uda, Siti